- 综合排序
- 最热优先
- 最新优先
- 来自专栏脑电信号科研科普
Nature：功能神经成像作为整合神经科学的催化剂
尽管取得了这些进展，但使用功能磁共振成像的人类认知神经科学的进展与神经科学其他子领域的快速进展相对孤立，这些子领域本身也在某种程度上彼此孤立。 从这个角度来看，我们认为功能磁共振成像可以很好地整合系统神经科学、认知神经科学、计算神经科学和临床神经科学的不同子领域。 我们首先总结了功能磁共振成像作为一种成像工具的优点和缺点，然后重点介绍了在神经科学的每个子领域成功使用功能磁共振成像的研究实例。然后，我们为实现这一综合愿景所需的未来进展提供了路线图。 4．计算神经科学中的fMRI有了功能神经成像获取认知过程的途径，神经科学家面临着如何理解功能神经成像数据中固有的复杂模式的新挑战。 较早的神经成像研究关注于识别与幻觉相关的活动位点，以了解幻觉在其功能神经解剖学上与真实感觉体验的相似程度，而最近的功能磁共振成像研究则利用方法上的进步，对幻觉发生的时间、方式和原因建立更机械的理解。
60310编辑于 2023-11-26 - 来自专栏GiantPandaCV
CVPRW22 水下成像的神经渲染工作
因此我们旨在用干净的图像来生成逼真的水下图像，我们探讨了水下图像渲染中两个关注点不高但具有挑战性的问题，即 (1) 如何通过单个神经网络渲染不同的水下场景？ 我们设计了一个基于水下光场保留的水下神经渲染架构（UWNR）来解决以上问题。 利用我们方法（UWNR）合成了一个大型的神经渲染水下数据集（LNRUD），其中包含大量由陆地干净图像合成的水下图像。 2.
1.3K40编辑于 2022-05-27 - 来自专栏机器学习炼丹术
综述 深度学习在神经成像领域的前景与挑战
这篇文章中，我们将在神经成像领域的四个不同任务中讨论DL方法： 分类/预测classification/prediction 动态活动/连接dynamic activity/ connectivity 我们强调了这些类别的最新进展，讨论了结合数据特征和模型架构的好处，并推导出了在神经成像数据中使用DL的指导方针。对于每个类别，我们还评估了有前途的应用程序和需要克服的主要挑战。 最后，我们讨论了神经成像DL在临床应用中的未来发展方向，这是一个非常有趣的话题。 神经成像是一个强大的工具，正在被用来为健康和紊乱的人类大脑提供重要的见解。它也有潜力将发现和技术进步转化为大脑疾病. 广义上说，两个任务的目标都是把x（神经成像数据映射到y（诊断，治疗反应和行为）。 尽管神经成像数据高度多样化，还是可以分成两大类：structural imaging and functional imaging. structural neuroimaging data 结构成像，
52520编辑于 2023-03-16 - 来自专栏脑电信号科研科普
个体化精准神经成像：目前的方法和未来的方向
本文综述了近年来对个人特异性成像方法的探索，包括精确(也称为深度或密集采样)神经成像方法。最近有一些其他关于精确神经成像文献的综述集中在特定的个体上(例如，精确精神病学或认知控制）。 精确神经成像研究通过重复采样收集高质量的个体测量数据来解决这些问题，从而产生了密集采样或深度采样等替代术语。其中一些最早的研究通过收集少数人多次回话的fMRI数据，为个人特异性神经成像提供了基础。 精确的神经成像也可以很容易地应用于精神病理学的研究。 如Salehi等人(2020)所建议的，未来的研究可以使用基于功能的分块方法，或者创建新的分块来解释神经结构的个体差异。5.3 个体水平成像泛化针对个人的精确神经成像的一个潜在问题是泛化性。 精确的神经成像技术能够清晰地观察大脑，这在以前是不可能的，而且很可能会继续揭示尚未被发现的神经组织细节。
87140编辑于 2023-01-25 - 来自专栏脑电信号科研科普
Neuron：精神病学中的功能神经成像和失败案例
从20世纪90年代初开始，无创功能神经成像，加上认知神经科学的平行发展，似乎标志着精神病学以神经生物学为基础的诊断和治疗的新时代的到来。 随后，fMRI在人类(尤其是纹状体)中也显示了类似的对应关系，包括使用药物操作和分子神经成像证明了与多巴胺的关系。 因此，将基于计算的任务设计、行为建模和神经记录(即基于模型的神经成像)结合起来，使实验者能够对神经计算做出超越仅包含于行为数据的信息的推论。 功能神经成像的价值是将模型衍生的变量(与算法级别的描述相关)与宏观神经活动模式(与神经实现相关)联系起来(图1B)。 尤其是当任务行为与临床变量相适应，以及测量的神经成像信号的神经编码原理存在不确定性时。
67810编辑于 2023-02-28 - 来自专栏计算摄影学
非视线成像-角膜成像系统
我已经向你介绍了利用飞秒摄影技术，以及利用WIFI，来进行非视线成像的方法。今天我将给你再介绍另外一种很震撼的技术：角膜成像系统。 这也就是今天我想介绍的技术——角膜成像系统——的关键思想来源。 哥伦比亚大学的Nishino和 Nayar在2004年发表了论文 The World in an Eye，第一次提出了角膜成像系统。 然后他们详细的分析了角膜成像系统的焦散、分辨率等信息，还展示了一些角膜成像系统的真实应用：捕获场景全景视图、甚至定位人的注视物体等。 折反射成像系统与人眼物理模型 折反射成像系统是一种特殊的成像系统，让我摘录一段Wikipedia的定义： 折反射光学系统是一种将折射和反射结合在一个光学系统中的光学系统，通常通过透镜(屈光镜)和曲面镜( 而角膜成像系统的作者却敏锐的观察到，人眼+对着人眼拍摄的相机，也构成了一个折反射光学系统，只不过此时成像器件和光学反射系统不再是绑定在一起的，当眼球转动时，整个成像系统的光路会相应的发生改变。
77350发布于 2021-11-08 - 来自专栏脑机接口
神经科学家定义了 EEG-fMRI 成像的安全协议
功能磁共振成像(fMRI)是一种新兴的神经影像学方式，其原理是利用磁振造影来测量神经元活动所引发之血液动力的改变。该项技术实施起来比较缓慢。 由心理学助理教授Sepideh Sadaghiani领导的心理学家和神经科学家团队发表了一项研究，以确定安全使用脑电图与新开发的功能性磁共振成像序列。 研究人员通力合作，为神经科学评估技术建立了安全和数据质量标准，这将允许科学家能够使用MB EEG-fMRI 在使用这种技术时预测加热输出，并设计协议以将加热降低到单波段水平。 对比研究表明，在使用特定的操作序列时，MB成像中看到的加热与单波段成像中看到的加热相当。 例如，我们的实验室使用这种方法以前所未有的空间和时间分辨率研究人脑的连接组(全脑神经连接模式)。”
41620编辑于 2022-08-18 - 来自专栏思影科技
Lancet Oncology：利用人工神经网络对神经肿瘤学MRI成像进行自动定量肿瘤疗评估
未来的研究应侧重于临床试验中的前瞻性验证以及自动化高通量成像生物标志物发现和其他疾病扩展的应用。 本研究具体流程如下： ? 两个测试数据集中的RANO评估仅基于成像标准，没有其他临床标准可以与本研究的肿瘤响应定量评估方法进行精确比较。 ? 补充图六：用于肿瘤分割和定量体积肿瘤响应评估的开发人工神经网络（ANN）是用于在XNAT开源成像信息学软件平台（www.xnat.org）内实施的MRI检查的可扩展和全自动批处理的一部分。 总之，该方法能够在神经肿瘤学中高通量地进行客观和自动化的肿瘤响应评估以及对成像生物标志物的探索。 如补充图六所示，本研究还使用XNAT开源成像信息学软件平台组件开发了一个支持应用程序的软件基础架构。
1.3K20发布于 2019-08-22 - 来自专栏脑电信号科研科普
JAMA Neurology：帕金森病跨疾病阶段的新兴神经成像生物标记物
磁共振成像(扩散成像、神经黑素敏感成像、铁敏感成像、T1加权成像)、正电子发射断层扫描/基于多巴胺能、5-羟色胺能和胆碱能单光子发射计算机断层扫描成像以及代谢和脑血流网络神经成像生物标记物在PD临床前、 、水分子活动成像、神经黑素敏感成像、铁敏感成像和T1加权方法(皮质厚度、基于体积的形态测量[VBM]和基于变形的形态测量)。 游离水成像反映了神经退行性变和/或神经炎症，其他先进的弥散成像模型可能同样能够指示神经炎症。PD中晚期：中期至晚期PD患者的弥散成像通常显示在前侧和吻侧SN受损。 例如，游离水成像反映了神经退行性变和/或神经炎症，并与PD小鼠模型中的突触核蛋白病理有关，这为多巴胺能和其他神经元亚型提供了证据。 与多巴胺成像相比，弥散成像可能是非多巴胺相关治疗疾病进展的一个更好的标记物。神经黑素成像也反映了SN内多巴胺能神经元的完整性，SN是DA神经退行性变的另一个标记物。
57910编辑于 2022-12-07 - 来自专栏脑机接口
神经质量模型主导的深度神经网络改善脑时空动力学的电生理源成像
DeepSIF展示了强大和卓越的性能，产生的结果与常见的神经科学知识有关的感觉和认知信息处理，以及关于致痫组织的位置和范围的临床发现一致，优于传统的源成像方法。 DeepSIF方法作为一种数据驱动的成像框架，可实现高效、高效的高分辨率脑时空动力学功能成像，在神经科学研究和临床应用中具有广泛的适用性和价值。 与大多数源成像方法使用的物理源模型相比，NMM通过一组基于生理意义参数的非线性微分方程，描述一个集合内神经元亚群(即初级神经元和神经元亚群兴奋或抑制反馈)之间的局部相互作用，来模拟神经元激活。 本研究证明： 1、 DeepSIF结合了中尺度神经生理学知识(由互连的NMM生成的合成训练数据捕获)，以及高效的计算结构和具有循环层的DNN，以实现从无创电磁头皮测量的大脑动力学的时空成像。 DeepSIF承诺将ESI作为一种被广泛采用的时空动态人脑成像方法，帮助各种神经和精神疾病的临床诊断和治疗。
1K10编辑于 2023-02-13 - 来自专栏又见苍岚
机器视觉 —— 成像
本文记录《机器视觉》 第二章图像成像原理相关内容，主要介绍图像是如何产生的。 成像的问题 从三维“世界”到二维图像平面的映射过程，我们将揭示出关于成像的两个核心问题： 是什么决定：物体表面某一点的像（在像平面中）的位置？ 是什么决定：物体表面所成的像的亮度？ 这个亮度模式是如何在一个光学成像系 统中生成的？ 成像域的深度是指：物体能够被聚焦得“足够好”的距离范围，“足够好”是指：模糊光斑的直径小于成像仪器的分辨率。 成像域的深度依赖于我们所使用的传感器，但是，不管我们使用什么样的传感器，都有这样的规律：透镜的直径越大，成像域的深度就越小。同时，我们可以看出：使用大的光圈会增大聚焦误差。
1.9K20编辑于 2022-08-09 - 来自专栏脑电信号科研科普
Micapipe：一个用于多模态神经成像和连接组分析的管道
摘要多模态磁共振成像（MRI）通过促进对大脑跨多尺度和活体大脑的微结构、几何结构、功能和连接组的分析，加速了人类神经科学。 神经成像，特别是磁共振成像（MRI），提供了对大脑的微观结构、连接组和功能的多种对比，为了解活体人类的组织提供了一个窗口。 整合结构和功能神经成像模式的进一步工作，推动了人们对检查人类大脑结构功能关系的兴趣和识别多模态分割和脑组织的大规模梯度。 作为一个融合和分析多模态神经成像数据的统一工具，micapipe为神经科学家提供了一个工作流程，可以跨多个尺度稳健地探索人类大脑组织。 此外，我们的管道采用了BIDS应用程序和可重复神经成像计算中心的标准。
1.4K20编辑于 2023-01-16 - 来自专栏脑机接口
图神经网络 | BrainGNN: 用于功能磁共振成像分析的可解释性脑图神经网络
图神经网络简介 GNN是Graph Neural Network的简称，是用于学习包含大量连接的图的联结主义模型。 近年来，图神经网络(GNN)在社交网络、知识图、推荐系统甚至生命科学等各个领域得到了越来越广泛的应用。GNN在对图节点之间依赖关系进行建模的强大功能，使得与图分析相关的研究领域取得了突破。 图神经网络在脑科学 研究人员在文章中提出了一种图形神经网络（GNN）框架——BrainGNN，用于分析功能性磁共振图像（fMRI）并发现神经生物学标志物，以此来了解大脑。 在该项研究中，研究人员提出了一种用于fMRI分析的可解释图神经网络BrainGNN。BrainGNN将神经图像构建的图形作为输入，然后输出预测结果和解释结果。 研究人员表示，所提出的框架可以推广到其他神经成像模式的分析。这些优势对于发展精准医疗、理解神经疾病等研究至关重要。 参考 Li X , Duncan J .
2.5K20编辑于 2022-08-26 - 来自专栏脑电信号科研科普
Biological Psychiatry：精神病学中神经成像的时空精确度
认知神经科学的一个重要目标是确定有助于精神现象表达的精确神经生理特征，最终目标是指导精神疾病的诊断和治疗。考虑到当今研究人员可获得的神经成像工具众多，神经成像研究对临床精神病学的影响很少似乎令人惊讶。 直到最近，我们精确捕捉神经活动的时空模式的能力还受到两个主要障碍的限制。一个涉及空间和时间分辨率之间的权衡，这是依赖无创神经成像方法所固有的。 在这篇综述中，我们概述了当前人类神经成像的发展趋势，这推动了对提高时空精度的追求。首先，我们概述了目前神经影像可实现的时空分辨率。 神经成像的时空精度无创神经成像方法包括现代超高场磁共振成像(空间分辨率可达0.5 mm)和较老的技术相比，如脑电图(EEG)和MEG，这些技术可以毫秒级分辨率测量大量神经活动。 在许多情况下，这种神经成像的多模态方法已经为精神病理学的脑动力学提供了信息。
41110编辑于 2023-06-25 - 来自专栏脑电信号科研科普
Science:神经元活动的高时空分辨率在体直接成像
长期以来，对非侵入性神经成像方法的需求一直存在，这种方法可以在高时间和高空间分辨率下检测神经元活动。 我们提出了一种二维快速线扫描方法，能够以毫秒精度直接成像神经元活动，同时保留磁共振成像(MRI)的高空间分辨率。在电须垫刺激期间，这种方法通过9.4特斯拉的活体小鼠大脑成像得到了证明。 这种对神经元活动的高分辨率、直接成像将通过提供对大脑功能组织(包括神经网络的时空动力学)的更深入理解，为脑科学开辟新的途径。 然而，它的时间分辨率受到对神经元活动(如尖峰)的缓慢血流动力学响应的限制，而最近在亚秒振荡神经元动力学成像方面取得了进展。 图1 具有高时空分辨率的神经元活动直接成像1.2 神经元活动传播的时空成像由于体感刺激诱发的尖峰通过丘脑传播到S1BF，我们接下来探索了2D快速线性扫描的高时空分辨率(5 ms, 0.22 mm)是否也可以捕捉尖峰的传播
99010编辑于 2023-01-04 - 来自专栏睐芯科技LightSense
成像光学、非成像光学和光学拓展量简介
成像光学成像光学是传统几何光学的核心内容，成像光学系统包括三个部分：物体、透镜和像。 成像光学的主要研究内容就是研究怎样的透镜（或成像系统）使像与物的一致性最高，这里一致性包含拓扑结构、几何比例和光色等方面的一致性。 成像光学的根本任务是利用成像系统实现不失真或尽可能少失真的信息变换或传输。光学成像主要分为三类：小孔成像、镜面成像和透镜成像。 非成像光学系统非成像光学系统按应用可以分为两类：集光系统和配光系统，集光系统应用于太阳能或光电检测中；配光系统主要用于照明设计，尤其是LED 照明设计。1. /上图/是路灯的示意图，a和c是传统照明，b和d是非成像光设计照明。上图是奥迪汽车矩阵前照灯设计。
1.1K10编辑于 2024-07-24 - 来自专栏脑电信号科研科普
神经成像分析中的可重复性：挑战和解决方案
近年来，在心理学、神经科学和相关领域研究再现性备受关注。本文回顾了再现性中的挑战、解决方案和新兴实践，并特别强调了神经成像研究，区分了3种主要的再现性类型，分别是分析再现、可重复性、分析变异性。 本篇重点关注精神病学研究的神经成像，综述当前的挑战性问题，帮助研究人员向日益可重复的研究过渡，介绍了3种主要再现性类型，归纳为：1）使用原始数据和方法重现相同结果的能力（分析再现性）；2）用相同的方法复制研究结果的能力 例如，脑成像数据结构（BIDS），被广泛接受为组织神经成像数据的标准，已经极大地促进了研究的可现性和可再用。这使得开发对这些数据结构执行分析过程的应用程序成为可能。 用于研究数据管理的开放工具，如神经成像数据模型，进一步帮助研究人员组织、管理、跟踪和共享他们的数据。第三层次是控制计算环境。计算环境虽然不会影响结果质量但是会影响重现性。 值得注意的是，神经科学中的样本大小通常不足。
48640编辑于 2023-08-27 - 来自专栏深度学习和计算机视觉
光学成像 |综述| 高光谱成像技术概述
芯片镀膜 近年来，IMEC（欧洲微电子研究中心）采用高灵敏CCD芯片及SCMOS芯片研制了一种新的高光谱成像技术，在探测器的像元上分别镀不同波段的滤波膜实现高光谱成像，此技术大大降低了高光谱成像的成本。 光源是高光谱成像系统的一个重要部分，它为整个成像系统提供照明；分光设备是高光谱成像系统的核心元件之一，分光设备通过光学元件把宽波长的混合光分散为不同频率的单波长光，并把分散光投射到面阵相机上；相机是高光谱成像系统的另一个核心元件 高光谱的优势 随着高光谱成像的光谱分辨率的提高，其探测能力也有所增强。因此，与全色和多光谱成像相比较，高光谱成像有以下显著优势。 1. 有着近似连续的地物光谱信息。 影像分类既可以采用如贝叶斯判别、决策树、神经网络、支持向量机的模式识别方法，也可以采用基于被探测物的光谱数据库的光谱进行匹配的方法。分类识别特征是既可以采用光谱诊断特征，也可以采用特征选择与提取。 医学诊断 高光谱成像是一个新兴的,非破坏性的,先进的光学技术,它具有光谱和成像的双重功能,这种双重功能使得高光谱成像能够同时提供实验对象的化学和物理特征,并具有良好的空间分辨率。
2.2K31发布于 2021-08-06 - 来自专栏机器之心
前沿 | 新框架SyConn利用卷积神经网络和随机森林阅读神经成像：可识别线粒体和突触等
体积成像电子显微镜（Volume Electron Microscopy） 体积电子显微镜（Volume EM）是一种常用的神经回路重建技术。 其中，对大脑体积的三维 EM 成像技术可以用来重建神经元形态及其连接关系的细节信息。volume EM 之间的开发差异始于对中枢神经系统（CNS）检查的需要。 荧光标记法通常适用于组织检查，相比之下，标准的 EM 染料并不受限于对稀疏标记或超分辨率光学成像的要求。这些染料可能会对所有的细胞膜和突触进行相对无偏见的染色。 j0126（斑胸草雀，21,850 个神经元片段）、 斑马鱼幼体的大脑（100,000 个神经元）和小鼠脑（灰质，71,000,000 个神经元）。 图 2：一个前突触神经元与一个后突触神经元的连接图。囊泡朝着突触间隙运输神经递质，后者携带有生化信息。其中还有大量的能量生产者——线粒体。
91960发布于 2018-05-07 - 来自专栏囍楽云博客
热成像成像不清楚是什么时候_红外热成像技术竟然可以做这些事情?
红外热成像技术的基本原理 承压君带大家见识一下红外热成像技术。通常我们在一些公共场合中常看到的测温仪： 那么，它靠什么原理呢？ 其实，红外热成像检测的基本原理是捕捉待检测设备发出的红外辐射红外热成像，并形成可见的图像，物体温度越高，红外辐射量越大。不同的温度、不同的物体辐射的红外线的强度不同。 红外热成像技术就是将红外图像转换成辐射图像并从中反映出物体不同部位温度值的技术。其成像的基本原理如图1所示。 红外热成像技术成像原理 待测物体 (A) 辐射的红外能量，经光学镜片 (B) 聚焦于探测器 (C) 上，并引起光电反应，电子装置 (D) 读取该反应，从而将热信号转换成电子图像 (E)，并显示在屏幕上 下次红外热成像，特设观察员继续带你去了解红外热成像技术在压力容器、压力管道方面的应用。 本文共 1032 个字数,平均阅读时长 ≈ 3分钟
50720编辑于 2022-12-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号